基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在数据流聚类算法中,滑动窗口技术可以及时淘汰历史元组、只关注近期元组,从而改善数据流的聚类效果.如果同时数据流流速无规律地随时间动态变化,原来单纯的滑动窗口技术在解决这类问题时存在缺陷,所以,在充分考虑了滑动窗口大小和数据流流速之间关系的前提下,提出了基于动态可调衰减滑动窗口的变速数据流聚类算法.该算法对历史元组和近期元组分别赋予一定的权重进行处理,然后依据数据流流速的不同函数改变窗口的大小,从而实现数据流的聚类.提出了该数据流聚类算法的数据结构——变异数据流聚类的数据结构.通过真实数据和模拟数据来构造动态变速数据流从而作为验证算法的原始数据.实验结果表明,与CluStream聚类算法相比,该方法具有较高的聚类质量、较小的内存开销和较少的聚类处理时间.
推荐文章
动态滑动窗口的数据流聚类方法
数据挖掘
数据流
聚类
滑动窗口
基于滑动窗口的XML数据流聚类算法
XML数据流
滑动窗口
聚类
指数直方图
基于滑动窗口的动态数据流聚类算法研究
数据流
滑动窗口
聚类
数据挖掘
一种基于滑动窗口的一趟数据流聚类算法
数据流
挖掘
聚类
算法
滑动窗口
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于动态可调衰减滑动窗口的变速数据流聚类算法
来源期刊 计算机应用与软件 学科 工学
关键词 变速数据流 聚类 动态可调衰减滑动窗口
年,卷(期) 2015,(11) 所属期刊栏目 算法
研究方向 页码范围 255-260,300
页数 7页 分类号 TP3
字数 6686字 语种 中文
DOI 10.3969/j.issn.1000-386x.2015.11.059
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 周华平 安徽理工大学计算机科学与工程学院 40 103 6.0 7.0
2 陈顺生 安徽理工大学计算机科学与工程学院 1 9 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (31)
共引文献  (93)
参考文献  (20)
节点文献
引证文献  (9)
同被引文献  (8)
二级引证文献  (0)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(6)
  • 参考文献(1)
  • 二级参考文献(5)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(9)
  • 参考文献(2)
  • 二级参考文献(7)
2007(9)
  • 参考文献(1)
  • 二级参考文献(8)
2008(6)
  • 参考文献(3)
  • 二级参考文献(3)
2009(4)
  • 参考文献(2)
  • 二级参考文献(2)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(4)
  • 参考文献(4)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(4)
  • 参考文献(4)
  • 二级参考文献(0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(4)
  • 引证文献(4)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
变速数据流
聚类
动态可调衰减滑动窗口
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导